语言模型(LMs)在训练过程中遇到了大量的世界知识,最近的研究表明如何通过各种形式的LM提示/微调/探索来恢复其中的一些知识。但是我们离实现知识库的全部功能和精确度还有多远呢?哪些挑战可以通过简单地放大更多的参数来解决,哪些挑战需要与模型大小正交的新研究? 在这次演讲中,我将从评估LMs今天能做和不能做的边界开始。然后,我将讨论一组(可能)单靠模型扩展无法克服的关键挑战,以及最近为解决这些挑战所做的工作。例如:我们如何获得模型声明的出处?我们如何更新模型以适应新信息或新环境?

https://uskb-workshop.github.io/

成为VIP会员查看完整内容
24

相关内容

【CIKM2021-Tutorial】图挖掘公平性,166页ppt
专知会员服务
30+阅读 · 2021年11月5日
专知会员服务
64+阅读 · 2021年2月17日
少即是多?非参数语言模型,68页ppt
专知会员服务
20+阅读 · 2020年11月22日
少标签数据学习,61页ppt,宾夕法尼亚大学
专知会员服务
36+阅读 · 2020年8月27日
少标签数据学习,54页ppt
专知会员服务
194+阅读 · 2020年5月22日
【斯坦福&Google】面向机器人的机器学习,63页PPT
专知会员服务
23+阅读 · 2019年11月19日
谷歌 MorphNet:让你的神经网络更小但更快
机器学习算法与Python学习
5+阅读 · 2019年4月18日
各种NLP操作难实现?谷歌开源序列建模框架Lingvo
机器之心
4+阅读 · 2019年2月26日
Arxiv
24+阅读 · 2020年3月11日
Arxiv
4+阅读 · 2019年9月5日
SlowFast Networks for Video Recognition
Arxiv
19+阅读 · 2018年12月10日
VIP会员
相关VIP内容
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
专知会员服务
30+阅读 · 2021年11月5日
专知会员服务
64+阅读 · 2021年2月17日
少即是多?非参数语言模型,68页ppt
专知会员服务
20+阅读 · 2020年11月22日
少标签数据学习,61页ppt,宾夕法尼亚大学
专知会员服务
36+阅读 · 2020年8月27日
少标签数据学习,54页ppt
专知会员服务
194+阅读 · 2020年5月22日
【斯坦福&Google】面向机器人的机器学习,63页PPT
专知会员服务
23+阅读 · 2019年11月19日
微信扫码咨询专知VIP会员